一種輪式移動機器人的運動分段控制方法
【專利摘要】本發明公開一種輪式移動機器人的運動分段控制方法，其步驟為：(1)集成基于生物激勵神經動力學模型、基于能量優化模型和基于模型預測控制模型三種軌跡跟蹤運動控制策略；(2)根據反饋得到的當前實際位姿和由路徑規劃算法給定的參考位姿計算出當前的位姿誤差矢量；(3)根據當前移動機器人運動所處的階段選擇控制策略：如果處在跟蹤初期，則選用基于生物激勵神經動力學模型的軌跡跟蹤控制策略；如果處在跟蹤中段，則選用基于能量優化模型的軌跡跟蹤控制策略；如果處在跟蹤后期，則選用基于模型預測控制模型的軌跡跟蹤控制策略。本發明能夠實現輪式移動機器人整個過程的最佳控制，使它在進行精確軌跡跟蹤的同時實現魯棒性、節能性以及穩定性。
【專利說明】一種輪式移動機器人的運動分段控制方法
【技術領域】
[0001]本發明主要涉及一種機器人自動控制領域，尤其涉及一種適用于輪式移動機器人的軌跡跟蹤控制方法。
【背景技術】
[0002]運動控制是輪式移動機器人系統研究中最基本的問題，精確的運動控制能力不僅是多輪式移動機器人系統協調工作的基礎，也是輪式移動機器人在各個領域中成功應用的關鍵。
[0003]移動式機器人與固定基座的機器人相比，具有更大、更靈活的工作空間，但同時輪式運動引入了非完整約束。作為一類典型的非完整系統和復雜的非線性系統，移動機器人的鎮定和跟蹤問題引起了人們的廣泛關注，對非完整約束移動機器人的控制策略的研究成為機器人研究的一個熱點。近年來針對輪式移動機器人的軌跡跟蹤和鎮定問題，相關領域的很多學者已作了大量的研究工作，采用了許多控制理論和方法來設計軌跡跟蹤控制器。現有的輪式移動機器人跟蹤控制技術大致可以如下幾類:基于反饋線性化方法;基于滑模變結構方法；基于積分后退技術的方法；基于模糊控制、神經網絡控制和遺傳算法等智能控制的跟蹤控制方法；基于自適應魯棒控制的跟蹤控制方法；基于模型預測的跟蹤控制方法等。上述分類也并不具有絕對意義，很多學者已經采用了多種方法的交叉設計，并正在嘗試提出新的理論和方法來解決現有方法中存在的各種問題。
[0004]雖然目前已有不少關于輪式移動機器人運動控制方法，但其中大部分方法都是考慮在整個跟蹤過程中使用同一種控制方法來控制輪式移動機器人或其它類型的移動機器人，這樣就顯得缺乏針對性。輪式移動機器人在行駛的不同的階段會出現一些不同的問題(如行駛初期出現速度跳變現象、行駛途中出現能耗過多現象、行駛后期出現不穩定現象等)，如果只用一種控制方法去控制整個運動過程，就不能很好地解決各階段出現的各種問題。
【發明內容】
[0005]本發明要解決的技術問題在于:針對現有技術存在的不足之處，本發明提供一種面向輪式移動機器人的分段運動控制方法，把整個控制過程分成不同階段，針對不同階段出現的某些問題，分別用不同的控制模塊進行控制，在實現軌跡跟蹤的同時，解決各個階段出現的問題。
[0006]本發明采用以下技術方案:
[0007]—種輪式移動機器人的運動分段控制方法，其步驟為:
[0008](I)集成基于生物激勵神經動力學模型的初始運動軌跡跟蹤、基于能量優化模型的軌跡跟蹤和基于模型預測控制模型的終端跟蹤控制三種運動控制策略；
[0009](2)由路徑規劃算法給出輪式移動機器人系統的參考位姿Pr (t) = [xr (t) yr (t)Θ Jt)]τ和參考速度Cl.(t) = [vr (t) ω Jt) ]τ;由輪式移動機器人的定位模塊反饋得到輪式移動機器人當前實際位姿P。(t) = [x(t) y(t) Θ (t)]T；pr(t)與pjt)進行比較可以得到輪式移動機器人全局位姿誤差矢量，再經過坐標變換矩陣T轉換得到局部位姿誤差矢量Xe(t) = [Xe(t) ye(t) Θ e(t)]T ；
[0010](3)根據當前輪式移動機器人運動所處的階段選擇控制策略:如果輪式移動機器人運動處在跟蹤初期，則選用基于生物激勵神經動力學模型的軌跡跟蹤策略；如果輪式移動機器人運動處在跟蹤中段，則選用基于能量優化模型的軌跡跟蹤策略；如果輪式移動機器人運動處在跟蹤后期，則選用基于模型預測控制模型的軌跡跟蹤策。
[0011]作為本發明的進一步改進:
[0012]所述基于生物激勵神經動力學模型的軌跡跟蹤策略的步驟為:
[0013](1.1)考慮到Xe中的對速度跳變影響較小，暫不對其做處理，僅將X與Y軸方向的誤差Xe與Ie通過生物激勵神經動力學模型進行改進，輸出相應的兩個虛擬控制量σ χ和o y ;
[0014]以σ χ為例，所述生物激勵神經動力學模型為下式:
[0015]
【權利要求】
1.一種輪式移動機器人的運動分段控制方法，其特征在于，步驟為: (1)集成基于生物激勵神經動力學模型、基于能量優化模型和基于模型預測控制模型三種軌跡跟蹤運動控制策略； (2)根據反饋得到的當前實際位姿和由路徑規劃算法給定的參考位姿計算出當前的位姿誤差矢量； (3)根據當前輪式移動機器人運動所處的階段選擇控制策略:如果處在跟蹤初期，則選用基于生物激勵神經動力學模型的軌跡跟蹤控制策略；如果處在跟蹤中段，則選用基于能量優化模型的軌跡跟蹤控制策略；如果處在跟蹤后期，則選用基于模型預測控制模型的軌跡跟蹤控制策略。
2.根據權利要求1所述的輪式移動機器人的運動分段控制方法，其特征在于，所述基于生物激勵神經動力學模型的軌跡跟蹤策略的步驟為: (1.D考慮到誤差矢量)?中的姿態角誤差θ e對速度跳變影響較小，暫不對其做處理，僅將X與Y軸方向的位置誤差Xe與Ie通過生物激勵神經動力學模型進行改進，輸出兩個對應的虛擬控制量oy; 以σ χ為例，所述生物激勵神經動力學模型為下式:
3.根據權利要求1所述的輪式移動機器人的運動分段控制方法，其特征在于，所述基于能量優化模型的軌跡跟蹤策略的步驟為: (2.1)誤差矢量xe= [Xe Ye Θ Jt和參考速度qr = [vr ω Jt —起作為路徑跟蹤運動學控制器的輸入，輸出輪式移動機器人的期望速度qd=[vd wd]T ； (2.2)進入一個基于能量優化模型的控制器進行優化處理。該優化控制器將驅動電機的能量效率函數作為目標函數；將輪式移動機器人能準確跟蹤參考軌跡的條件作為狀態約束，將電機電樞等效電路電壓平衡方程式和轉矩方程式組成的方程組作為系統狀態方程，最后加上一個控制約束，構成優化問題的三個約束； 所述能量優化模型為下式:
4.根據權利要求1所述的輪式移動機器人的運動分段控制方法，其特征在于，所述基于模型預測控制模型的軌跡跟蹤策略的步驟為: (3.1)誤差矢量)?= [xe ye Θ Jt通過一個模型預測控制模型，得到輪式移動機器人系統控制的輸入矢量I，具體過程如下: (a)重新定義系統控制輸入為
【文檔編號】G05B13/04GK103926839SQ201410176909
【公開日】2014年7月16日 申請日期:2014年4月23日 優先權日:2014年4月23日
【發明者】尹曉紅, 楊燦, 闞君武 申請人:浙江師范大學